一种肺转移结节AI检测及病理风险分层评估方法与流程
本发明涉及风险评估,具体涉及一种肺转移结节ai检测及病理风险分层评估方法。
背景技术:
1、在肺部影像学检查中,所检出的结节既可能是起源于肺组织自身的原发性肿瘤,也可能是其他部位恶性肿瘤经血行或淋巴播散至肺部形成的转移性病灶。原发性结节多表现为单发、边缘分叶或毛刺状,转移性结节则倾向双肺多发、边界光滑、分布于胸膜下区域,但当转移灶呈孤立或影像不典型时,两者形态高度重叠,肉眼及常规阅片难以可靠区分。同时,转移结节自身的风险层级差异显著,仅靠检出与来源鉴别尚无法满足临床对个体化精准评估的深层需求。
2、现有ai检测模型的训练数据主要来源于以原发性肺结节为主的公开数据集,导致模型习得的判断标准高度适配原发结节的影像表现,肺结节检测方法主要依赖于结节的表面几何形态特征,难以准确区分具有不典型表现的原发结节与受解剖环境限制的转移结节。面对多发性结节时,缺乏深入分析结节内部密度分布规律及结节间组织来源共性的能力,无法有效判定多个结节是否属于同源转移。同时主流方法多局限于结节的检出与良恶性分类,缺少对肺转移结节危险层级的评估机制,导致对肺转移结节的病理风险层级的定量评估客观性与精准度不足。
技术实现思路
1、为了解决现有技术中难以准确区分具有不典型表现的原发结节与受解剖环境限制的转移结节,缺少对肺转移结节危险层级的评估机制,导致对肺转移结节的病理风险层级的定量评估客观性与精准度不足的技术问题,本发明的目的在于提供一种肺转移结节ai检测及病理风险分层评估方法,所采用的技术方案具体如下:
2、本发明提供了一种肺转移结节ai检测及病理风险分层评估方法,所述方法包括:
3、获取受检者胸部薄层平扫ct影像,构建三维体素数据;基于三维体素数据构建原始密度分布场、实体组织占据掩膜以及胸膜面距离标量场;
4、基于实体组织占据掩膜筛选候选结节;基于原始密度分布场提取每个候选结节外围壳层区域的密度统计特征,量化候选结节的生长自由度指标;根据生长自由度指标的分布特征对每个候选结节划分行为类型,行为类型至少包括:膨胀性生长倾向型和浸润性生长倾向型;
5、对于行为类型为非浸润性生长倾向型的候选结节,利用胸膜面距离标量场确定各候选结节的主长轴采样方向,并沿主长轴从原始密度分布场中提取密度分布曲线;分析不同候选结节间密度分布曲线的相似度进行聚类分析,根据聚类过程中的相似度跳变特征自适应划分同源转移簇;
6、根据结节表面与局部引流通道间的空间几何拓扑结构,提取沿通道轴向侵犯特征;将沿通道轴向侵犯特征结合胸膜面距离标量场输出的距离参数,以及各候选结节的生长自由度指标和在同源转移簇中的关联信息输入预先训练的风险评估模型,得到各候选结节的病理风险层级。
7、进一步地,所述基于三维体素数据构建原始密度分布场、实体组织占据掩膜以及胸膜面距离标量场,包括:
8、将三维体素数据直接保留作为原始密度分布场,每个体素位置存储为对应的ct值;
9、以预设的实体区分阈值,对体素数据进行二值化处理,构建实体组织占据掩膜;
10、从实体组织占据掩膜中提取胸膜边界曲面,计算各体素至所述胸膜边界曲面的最短距离,构建胸膜面距离标量场。
11、进一步地,所述候选结节的获取方法包括:
12、对实体组织占据掩膜进行三维连通域分析,获得连通域;将体积大于或等于预设体积阈值的连通域作为候选结节。
13、进一步地,所述生长自由度指标的获取方法包括:
14、针对任意一个候选结节,提取该候选结节的边界体素,并以边界体素为起点沿局部表面法向量方向向外扩展预设物理距离,将扩展覆盖到的体素集合作为该候选结节的外围壳层区域;
15、基于原始密度分布场中体素的数据值,计算该候选结节在外围壳层区域内所有体素的数据值的平均值,作为平均密度;结合所有体素的数据值的变异系数与平均密度,获得生长自由度指标,平均密度和变异系数均与生长自由度指标呈负相关。
16、进一步地,所述根据生长自由度指标的分布特征对每个候选结节划分行为类型,包括:
17、将全部候选结节的生长自由度指标构成一维数据集;对一维数据集通过核密度估计生成概率密度曲线,并识别概率密度曲线上的局部极小值点;
18、根据局部极小值点的数量自适应确定分界阈值,并依据分界阈值将生长自由度指标划分为至少两个区间,根据候选结节对应生长自由度指标所处区间,将候选结节划分为不同行为类型。
19、进一步地,所述密度分布曲线的获取方法包括:
20、依次将每个行为类型为非浸润性生长倾向型的候选结节作为目标结节,通过主成分分析确定目标结节的主长轴以及两端点坐标;基于胸膜面距离标量场选取距离值最小的一端作为采样起始端;
21、从采样起始端沿主长轴方向为采样方向,沿采样方向以固定步长采样,得到采样点;提取每个采样点处垂直于主长轴的截面,计算截面内所有体素在原始密度分布场中的数据值的平均值,作为每个采样点的密度分布表征值,依据采样方向将密度分布表征值排列生成密度分布曲线。
22、进一步地,所述同源转移簇的划分过程包括:
23、对于两两候选结节,通过密度分布曲线之间的相关程度,获得综合相似度;将综合相似度转化为相异度距离;
24、基于相异度距离执行自底向上的层次聚类构建聚类树;统计聚类树中各合并步的距离增量,当最大距离增量与次大距离增量的比值小于预设一致性界限阈值时,将所有参与聚类的结节划分为同一同源转移簇;
25、否则,将距离增量超过预设划分阈值的合并步切断,形成独立的同源转移簇。
26、进一步地,所述沿通道轴向侵犯特征的获取方法包括:
27、在候选结节的外围壳层区域内,通过hessian矩阵筛选管状结构体素,提取引流通道骨架曲线获取局部走向矢量;
28、将候选结节表面离散为空间面片并提取外法向量;分析每个空间面片预设半径范围内最近的局部走向矢量与外法向量间的空间夹角;基于空间夹角大小筛选出轴向适配取向面片,将所有轴向适配取向面片的面积占所处候选结节总表面积的比例,作为沿通道轴向侵犯特征。
29、进一步地,所述各候选结节的病理风险层级的获取方法包括:
30、针对每个候选结节,将该候选结节的生长自由度指标、沿通道轴向侵犯特征、胸膜面距离标量场提取的距离参数,以及归属同源转移簇内的结节数量与相似度均值,组合构成多维特征向量;将多维特征向量输入预先训练的风险评估模型,输出不同病理风险层级的预测概率;将最高预测概率对应的病理风险层级,作为候选结节的病理风险层级。
31、本发明还提供了一种肺转移结节ai检测及病理风险分层评估系统,该系统包括:
32、数据提取模块,用于获取受检者胸部薄层平扫ct影像,构建三维体素数据;基于三维体素数据构建原始密度分布场、实体组织占据掩膜以及胸膜面距离标量场;
33、结节类型划分模块,用于基于实体组织占据掩膜筛选候选结节;基于原始密度分布场提取每个候选结节外围壳层区域的密度统计特征,量化候选结节的生长自由度指标;根据生长自由度指标的分布特征对每个候选结节划分行为类型,行为类型至少包括:膨胀性生长倾向型和浸润性生长倾向型;
34、聚簇分析模块,用于对于行为类型为非浸润性生长倾向型的候选结节,利用胸膜面距离标量场确定各候选结节的主长轴采样方向,并沿主长轴从原始密度分布场中提取密度分布曲线;分析不同候选结节间密度分布曲线的相似度进行聚类分析,根据聚类过程中的相似度跳变特征自适应划分同源转移簇;
35、风险层级评估模块,用于根据结节表面与局部引流通道间的空间几何拓扑结构,提取沿通道轴向侵犯特征;将沿通道轴向侵犯特征结合胸膜面距离标量场输出的距离参数,以及各候选结节的生长自由度指标和在同源转移簇中的关联信息输入预先训练的风险评估模型,得到各候选结节的病理风险层级。
36、本发明具有如下有益效果:
37、本方法通过构建原始密度分布场、实体组织占据掩膜以及胸膜面距离标量场,为多维度特征提取提供了空间与数值基础。通过提取候选结节外围壳层区域的密度统计特征来量化生长自由度指标,不受限于结节形态的局限鉴别结节的膨胀性或浸润性生长倾向。对于非浸润性结节,利用胸膜面距离标量场对齐主长轴采样方向,并提取密度分布曲线进行相似度聚类分析,通过相似度跳变特征自适应划分同源转移簇,提升多发结节同源关系判别的客观性与自适应能力。进一步地,提取结节表面与局部引流通道间的沿通道轴向侵犯特征,并将其与解剖距离参数、生长自由度及同源关联信息融合输入风险评估模型,融合多维度关联特征输入风险评估模型输出病理风险层级,实现肺转移结节自动化智能检测与标准化风险分层。本发明构建多类特征场量化结节的生长自由度以区分膨胀性与浸润性生长行为,提高肺结节生长行为属性的鉴别精度,并对多发结节同源性进行自动化分析,综合多特征通过神经网络输出病理风险层级,有效提升结节检测效率与风险分层精准性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com